2013年
标题：Convolutional neural network based triangular CRF for joint intent detection and slot filling
链接：https://ieeexplore.ieee.org/document/6707709
主要思路：底层CNN，上层用CRF做槽位填充，用分类器比如Logistic Regression做意图识别
2014年
标题：Joint semantic utterance classification and slot filling with recursive neural networks
链接：https://ieeexplore.ieee.org/abstract/document/7078634/
主要思路：基于树的递归神经网络
2016年-1
标题：Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling
链接：https://arxiv.org/abs/1609.01454
主要思路：这是我搜集资料过程中觉得大家谈论最多的一篇文章，之后很多文章的模型结构都和它类似，论文采用seq2seq模型，encoder使用双向LSTM，decoder用了LSTM加Attention机制预测槽位，意图识别直接在encoder的最后一个隐藏层输出上通过前馈网络预测，模型结构很清晰。
github实现：有不少相关实现，我只列举一部分：
1）论文作者实现：https://github.com/HadoopIt/rnn-nlu
2）基于tensorflow 1.3的实现，带jupyter notebook解释：https://github.com/applenob/RNN-for-Joint-NLU
3）和2）类似的简洁版：https://github.com/HarryWuxh/Attention_Based_RNN_for_Intent_Detetaction_and_Slot_Filling
2016年-2
标题：Multi-Domain Joint Semantic Frame Parsing using Bi-directional RNN-LSTM
链接：https://www.csie.ntu.edu.tw/~yvchen/doc/IS16_MultiJoint.pdf
主要思路：用双向LSTM，可以预测多领域
2017年
标题：Multi-Domain Adversarial Learning for Slot Filling in Spoken Language Understanding
链接：https://arxiv.org/abs/1711.11310
主要思路：用对抗学习，能同时处理多领域和槽位，作者同2016 attention based论文作者
2018年-1
标题：Slot-Gated Modeling for Joint Slot Filling and Intent Prediction
链接：https://www.aclweb.org/anthology/N18-2118
主要思路：提出一种槽门slot-gate学习意图和槽位之间的关系，改进了预测性能
github实现：基于Tensorflow 1.4：https://github.com/MiuLab/SlotGated-SLU
2018年-2
标题：Joint Slot Filling and Intent Detection via Capsule Neural Networks
链接：https://arxiv.org/abs/1812.09471
主要思路：通过胶囊网络学习意图和槽位之间的关系
2018年-3
标题：A Self-Attentive Model with Gate Mechanism for Spoken Language Understanding
链接：https://www.aclweb.org/anthology/D18-1417
主要思路：同时用gate和attention机制学习意图和槽位之间的联系，实验效果好于2016 attention based论文
github实现：基于pytorch 0.3 and python 2.7：https://github.com/NinedayWang/Self-Attentive-and-Gated-SLU
2019年-1
标题：BERT for Joint Intent Classification and Slot Filling
链接：https://arxiv.org/abs/1902.10909
主要思路：用了2018大火的BERT，论文实验结果很好
github实现：
1）基于pytorch， 包含2016 attention论文：https://github.com/sz128/slot_filling_and_intent_detection_of_SLU
2）基于tensorflow：https://github.com/zhenwenzhang/BERT-SLU
2019年-2
标题：Joint Multiple Intent Detection and Slot Labeling for Goal-Oriented Dialog
链接：https://www.aclweb.org/anthology/papers/N/N19/N19-1055/
主要思路：处理多意图和槽位填充，总体结构和2016 attention based论文类似，这是包括以上所有论文中唯一一篇处理多意图识别的。
以上就是整个列表，难免还有一些相关的论文被漏掉了，但主要的都包括了。
